No termina con llenar la tabla de diseño con los valores de respuesta. Debe calcular el efecto, expresarlo mediante una ecuación del modelo y verificar que los residuos respalden el modelo candidato antes de pasar a la exploración de condiciones.
Esta unidad tiene una sola pregunta.
¿Cómo transformar la respuesta de la tabla de diseño en un modelo diagnosticable y en candidatos para las siguientes condiciones?
Los efectos y los coeficientes de regresión expresan la misma información con distintas escalas
El modelo codificado del diseño 2² es ŷ=b₀+bAA+bBB+bABAB. El efecto es la diferencia entre el promedio en nivel alto y el promedio en nivel bajo, y el coeficiente codificado ±1 es efecto/2. b₀ es el promedio general en un diseño balanceado.
ANOVA divide la suma de cuadrados (SS) explicada por el modelo entre la SS de los residuos. Con réplicas, la SS de residuos puede dividirse aún más en error puro y falta de ajuste. Antes de revisar solo los valores p de cada efecto, verifique el modelo candidato completo, los grados de libertad y la información de los residuos.
La jerarquía del modelo preserva un sistema de coordenadas interpretable
Si se incluye la interacción AB, también deben incluirse los efectos principales A y B. Si se incluye A², también debe incluirse A. Este es el principio de jerarquía. Excluir términos debido a que su valor p es grande cambia el significado del modelo al alterar el origen del codificado de variables y destruye la interpretación de las interacciones.
En un DOE pequeño, ajustar todos los términos deja casi sin grados de libertad a los residuos. Puede usar gráficos de efectos, supuestos previos de esparsidad y conocimiento científico, pero eliminar términos de forma iterativa solo mediante stepwise automático y umbrales de valor p introduce sesgo de selección. Agrupar (pooling) términos es una decisión de modelado que indica que se han combinado en la estimación del error, no que el efecto sea exactamente 0.
La deriva temporal, curvatura faltante, heterocedasticidad y puntos influyentes pueden distorsionar el tamaño del efecto. Verifique conjuntamente los gráficos actual-vs-predicho, residuo-vs-predicho, residuo-vs-orden-de-ejecución y los datos originales.
Las ecuaciones en unidades codificadas y en unidades naturales tienen roles distintos
Las unidades codificadas −1/+1 aclaran la comparación de efectos y la estructura ortogonal. La ecuación en unidades naturales, convertida a °C, pH, rpm reales, es necesaria para la interpretación práctica y la transferencia de condiciones.
Cuando X_L es bajo y X_H es alto, x codificado es (X−center)/half-range. Al convertir a unidades naturales, el valor numérico y la unidad del coeficiente cambian, pero deben producir las mismas predicciones dentro del mismo rango. Se debe conservar la fórmula de transformación, las unidades y el rango válido.
El Profiler mueve la sección transversal del modelo ajustado
El Prediction Profiler muestra las predicciones al mover un factor mientras se mantienen fijos los demás en sus valores actuales. Si hay interacción, la pendiente de A cambia según el ajuste de B, por lo que los paneles no son independientes. El contorno muestra la combinación de dos factores simultáneamente.
La deseabilidad convierte "maximizar·objetivo·rango" en una función 0–1 y permite combinar múltiples respuestas. La deseabilidad máxima es el punto óptimo según los objetivos especificados, pero no define automáticamente la importancia biológica ni la robustez del proceso. Cambiar la forma de la función y los pesos altera las candidatas.
Laboratorio In-Silico: convertir efectos a ecuaciones y mover coordenadas
- Compare la dependencia de B en el profiler de A entre AB=0 y AB=6.
- Mueva A y B desde −1 hasta +1 para leer las predicciones actuales.
- Explique por qué no se permiten valores fuera del rango del diseño.
- Escriba qué información de rango se necesita para convertir los coeficientes codificados a unidades naturales.
Connect effects with model formulas and conditional exploration
Move A·B at ±1 coded coordinates to read the predictions of the interaction model and see items to check before natural unit interpretation.
If this is your first time: What should I press?
- 1. Read the question firstIn the Lab title, check the one thing you will compare this time.
- 2. Change just one conditionInitially, change only one of the inputs: n, effect, or spread.
- 3. new composite specimen pressureNew synthetic data is created. The same conditions may vary depending on the sample.
- 4. Pictures and calculation results CompareWrite in one sentence what moves and what stays the same before and after the change.
If it gets stuckresetGo back to see the default results and change just one condition. This Lab is not a correct answer tester but a pattern observation tool.
Synthetic observations of the same settings
calculation result
The maximum desirability point is the maximum number of goals entered by the user. It does not automatically guarantee scientific significance and confirmatory testing.
educational synthetic modelbjs-factorial-sequence-v1. Actual research judgments must separately reflect experimental units, missingness, distribution, multiplicity, pre-planning, and domain criteria.
El análisis de JMP debe leerse según el orden de juicio, no el de salida
See which terms explain the response variation, but maintain the hierarchy.
Look for model failures behind good-looking effects charts.
It explores natural unit conditions and goals, but does not replace confirmatory experiments.
El flujo de juicio recomendado es el siguiente:
- Verificar ejecuciones reales, valores faltantes y desviaciones
- Dirección del efecto y gráficos de interacción
- Modelo candidato y jerarquía
- ANOVA e incertidumbre del efecto
- Diagnóstico de residuos, influencia y orden de ejecución
- Coherencia entre ecuaciones codificadas/naturales
- Exploración de candidatos con Profiler/contorno
- Registro de confirmación y error de predicción
Las condiciones óptimas son candidatas para el siguiente experimento
El modelo se estimó a partir de puntos de diseño finitos y error. Realice una ejecución de confirmación independiente en el punto de predicción máxima y compare los valores predichos (CI o PI) con los valores reales. Un óptimo en la frontera puede ser una señal de que un rango más amplio sería mejor, pero no se expande automáticamente fuera de los límites seguros/físicos.
Ejemplo de frase de resultados
Se ajustó jerárquicamente el modelo candidato A+B+AB. El coeficiente codificado fue 70+8A+5B+6AB y no se observó tendencia temporal en los residuos frente al orden de ejecución. En el Profiler, A=+1, B=+1 fueron las condiciones de predicción máxima, pero al estar en la frontera del diseño, no se concluyó como óptimo final. Se planificó un experimento posterior para verificar el error de predicción en un lote de confirmación independiente.
Cierre de la unidad
- El efecto factorial es el doble del coeficiente codificado en ±1.
- Si incluye una interacción o un término cuadrático, conserve los términos inferiores relacionados.
- El pooling y la eliminación automática de términos requieren criterio de modelado.
- Los residuos y el orden de las corridas no deben recibir menos atención que la tabla de efectos.
- Añada unidades e intervalo válido a las ecuaciones expresadas en unidades naturales.
- El óptimo del Profiler es un candidato que requiere confirmación.
La siguiente unidad es U20. Veremos qué efectos quedan aliasados e indistinguibles al reducir las corridas de un diseño completo, y después la serie se detendrá automáticamente.
Material complementario oficial
El modelo y los datos del laboratorio de este artículo son sintéticos y se ofrecen con fines educativos.